在 JOIN 之前对两个表执行 SELECT答案

【问题标题】：Perform SELECT on both tables before JOIN在 JOIN 之前对两个表执行 SELECT
【发布时间】：2014-07-08 15:42:17
【问题描述】：

我没有太多使用 JOIN 的经验，也不是 MySQL 方面的专家。

我想要做的是在执行 JOIN 之前对两个表进行 SELECT。为此，我尝试使用括号，但语法不正确。

例如，在 JOIN 之前不做 SELECT：

DELETE tbA.* FROM tbA
INNER JOIN tbB
ON tbA.id_tbB = tbB.id_tbB
WHERE tbB.dateCol<'2014-01-01 00:00:00'

这可行，但需要太多时间。我正在尝试做的事情，但没有成功，是这样的：

DELETE tbA.* FROM (SELECT * FROM tbA WHERE tbA.id_tbB<=id_max)
INNER JOIN (SELECT * FROM tbB WHERE tbB.id_tbB<=id_max)
ON tbA.id_tbB = tbB.id_tbB
WHERE tbB.date<'2014-01-01 00:00:00'

我试图将其综合到基本问题中......如果有人认为我应该提供更多信息（我想要做什么，索引，外键......）我很乐意这样做，但基本上我只想知道如何在 INNER JOIN 之前对两个表进行 SELECT。

我想这样做是因为我的表有大量记录（表 A ~ 1 亿，表 B ~ 40000）。之前进行选择会将两个表上的记录量减少到 10%，并有望显着减少 INNER JOIN，从而减少整体查询。

谁能指出错误？谢谢！

【问题讨论】：

如何将 where 子句移到 join 本身？我不确定执行计划是否正在执行连接（大笛卡尔），然后在连接之前发生过滤或过滤......例如DELETE tbA.* FROM tbA INNER JOIN tbB ON tbA.id_tbB = tbB.id_tbB and tbB.dateCol<'2014-01-01 00:00:00'
感谢您的评论。但是，在您的建议中，我没有看到将数据减少到 10% 的条件 (tbB.id_tbB

标签： mysql select join inner-join

【解决方案1】：

怎么样

DELETE FROM tbA WHERE (select tbB.date from tbB where tbA.id_tbB = tbB.id_tbB) > '2014-01-01 00:00:00'

或替代

DELETE FROM tbA WHERE tbA.id_tdB IN (
     select tbB.id_tbB from tbB where tbB.date > '2014-01-01 00:00:00'
)

如果您在 tbA 中的 id_tdB 上有索引或外键，我会假设最后一个是最快的。

【讨论】：

我的猜测是 select tbB.date from tbB where tbA.id_tbB = tbB.id_tbB 将首先执行，对吧？在这种情况下，WHERE 子句正在引用 tbA...这不会失败吗？
如果我没有犯语法错误，我认为这些都不会失败:)
是的，tbA中的id_tbB其实是一个指向tbB.id_tbB的外键。我会试着让你知道（我正在等待最后一个实验完成，然后我需要重新导入整个数据库并重试）。
感谢@beiller 的建议，这就是我得到的。第一个抱怨语法。第二个有效，需要 1100 秒才能完成。与在 JOIN 之前不使用任何 SELECT 相比（正如我在问题中建议的那样），它需要 869，因此实际上需要更长的时间。不知道为什么，但在我看来，在您的建议中，我们正在对 tbB 执行 SELECT，并使用 IN 子句而不是 JOIN。我认为，由于 tbA 没有在 IN 之前应用 SELECT 子句，因此 IN 子句占用了 1 亿行中的每一行（tbA 中的原始行），可能这就是为什么？
有趣。也许只尝试 """ select tbB.id_tbB from tbB where tbB.date > '2014-01-01 00:00:00' """ 看看需要多长时间。 tbB.date 上有索引吗？在我看来，您说 tbB 的行数较少。此外，您的解释没有太大意义，因为时差没有显着差异。

【解决方案2】：

您所做的应该可以，只是缺少一些重要的语法元素。你可以加入一个SELECT，这是一个叫做派生表（virtual table）的表。您必须命名派生表，以便可以引用它。您不能从派生表中删除，因为它是虚拟表，它只存在于内存中。所以你需要在你的选择中放置一个物理表。

试试这样的：

DELETE tbA FROM tbA 
INNER JOIN (SELECT * FROM tbB WHERE tbB.id_tbB<=id_max AND tbB.date<'2014-01-01 00:00:00') AS tbB_filter
ON tbA.id_tbB = tbB_filter.id_tbB
WHERE tbA.id_tbB<=id_max

派生表可以使事情变得更快，因为它预先过滤并将选择加载到内存中。因为它是一个派生表，它没有索引，所以如果你的派生表变得太大，它实际上会减慢速度。从派生表中仅选择您需要的字段以保持较低的内存占用。您始终可以在最后进行附加连接以获得所需的其他字段。

【讨论】：

我比较了三种不同的：
感谢您的建议@Brent。我已经尝试过了，它奏效了。耗时 839 秒。但是，与根本不使用任何选择（如问题文本中所建议的）相比，它并不是真正的显着改进（869 秒）。在我看来，在您的示例中，我们仅在 tbB 中执行 SELECT，但仍在尝试使用 tbA 中的 1 亿条记录进行 JOIN。我不知道改进是否来自从 tbB 中的 40000 行到虚拟表 tbB_filter 中的 4000 行。我认为在 tbA 上执行 SELECT 也应该带来更大的改进。让我知道你的想法和谢谢
tbA SELECT 非常简单，我不认为将它分开会做很多事情。 MySQL 应该在 JOIN 之前对 tbA 应用 WHERE 过滤器。您可以尝试将 WHERE 条件移动到 JOIN 条件中。也只为 tbB_filter 选择 id_tbB 字段，而不是 *。您应该使用 SELECT 而不是 DELETE 来测试性能。

【解决方案3】：

好吧，我猜这个问题的实际答案（或至少其中一个）：

如何在 JOIN 之前对两个表执行 SELECT？

是通过使用虚拟表...类似于：

SELECT tbA_filter.* FROM (SELECT tbA.* FROM tbA WHERE tbA.id_tbB<=id_max) AS tbA_filter 
INNER JOIN (SELECT * FROM tbB WHERE tbB.id_tbB<=id_max AND tbB.date<'2014-01-01 00:00:00') AS tbB_filter
ON tbA_filter.id_tbB = tbB_filter.id_tbB
WHERE tbA_filter.id_tbB<=id_max

但是，如果它是一个 DELETE 操作（如我的示例），则不可能，因为删除虚拟表上的内容是没有用的（因为它是一个虚拟表，而不是真正的原始表）。

考虑到虚拟表没有索引也很重要......因此尝试使用两个没有索引的表进行 JOIN 可能不明智，因为这将花费很长时间（尤其是在具有令人难以置信的大量行）。

【讨论】：